一种基于免疫的监督式分类算法

人工免疫识别系统(AIRS)已被证实为一种高效的分类器,并成功应用于模式识别等领域.然而AIRS存在的记忆细胞数目庞大、分类准确率低等缺陷,限制了进一步的应用.为克服这些缺陷,提出了一种基于免疫的监督式分类算法(AIUC).AIUC首先初始化记忆细胞;然后通过对每一个训练抗原的学习,进行B细胞进化,在B细胞收敛后,优选出最佳的B细胞对记忆细胞进行更新;最后通过记忆细胞对测试数据进行kNN分类.就数据集Iris、Ionosphere、Diabetes和Sonar分别进行的对比实验结果表明,AIUC比AIRS记忆细胞分别减小了5.6%、18%、19.6%和31%,分类准确率提高到98.2%、96.9%、78.3%和92.3%.该算法具有非线性,以及克隆选择、免疫网络和免疫记忆等生物免疫系统特征,可更好地应用于模式识别、异常检测等领域.     

疫苗算法及其在车辆故障检测中的应用

根据免疫学原理提出了一种适合于故障诊断的算法--疫苗算法.当出现未知抗原时提取系统内记忆的此类抗原特征并对其进行分析，再将此人工抗原输入到系统中刺激系统并产生相应的抗体，当此抗原再次出现时作出免疫应答.论述了抗体和抗原结构的数学模型以及抗体数据的产生机理.运用此算法开发了具有边检测边学习功能的检测系统，能够充分捕捉反映被测车辆状态的信号特征.将此算法应用于汽车驱动桥的故障检测中，准确率达到95％.工程应用表明，此算法在小样本获取、连续学习、数据压缩等方面具有明显的优越性和有效性.     

受免疫原理启发的Web攻击检测方法

随着Internet应用的不断深入,Web服务器成为了黑客的主要攻击目标。为克服传统误用入侵检测系统无法识别未知Web攻击和异常入侵检测系统误报率高等缺陷,受生物免疫系统启发,该文提出了一种基于免疫原理的Web攻击检测方法。给出了自体、非自体、抗原、抗体基因库、免疫细胞等的数学定义,描述了免疫学习算法。对比实验结果表明该方法较传统的基于神经网络和ID3算法的Web攻击检测技术能有效检测未知Web攻击,具有检测率和分类率高、误报率低和实时高效等特点,是检测Web攻击的一种有效新途径。     

网络取证数据的人工免疫网络聚类过滤方法

针对当前网络取证数据过滤方法对先验知识过度依赖的问题,提出一种基于人工免疫网络聚类的过滤网络取证数据的方法.该方法以取证数据作为抗原,以具有动态作用域的B细胞作为人工免疫网络的节点,依据抗原与人工免疫网络的隶属度、B细胞的刺激度来进化人工免疫网络,根据过滤阈值判据,来筛选取证数据.实验结果表明,在不具备先验知识以及在合理选取时间窗口和过滤阈值以确保有较高检测率的情况下,算法能够提供较高的数据压缩比.该方法能够有效地确立调查数据的范围,有助于提高取证分析的效率.     

一种基于危险信号的拒绝服务入侵检测方法

针对拒绝服务(Denial of Service,DoS)攻击的特点,提出了一种基于免疫危险理论的新型入侵检测方法,设计、实现了检测算法和抗体变异、进化算法。引入血亲类方法分类抗原/抗体,定义了抗原凋亡和坏死的过程,定量计算抗原危险信号和网络危险度,并以此检测DoS攻击。仿真实验表明该方法不仅具有基于传统人工免疫理论的入侵检测自学习、自适应的优点,而且误警率降低87.5%,检测效率更高。     

可拓免疫算法在汽轮机故障诊断中的应用

为了解决汽轮机的各种故障问题,一种新的可拓免疫算法被提出来对汽轮机各种故障进行诊断.该方法利用可拓学能同时定量和定性描述系统行为的特点,结合免疫系统的学习机制和否定选择机理,将故障的特征利用可拓学的物元进行描述,建立B细胞探测器物元和抗原物元.根据故障样本数据,利用免疫系统自己-非己识别机理训练产生B细胞探测器,其B细胞探测器与抗原物元的亲和度,采用可拓学中的关联函数作为度量函数.对产生的探测器利用样本数据进行检测.该方法在对汽轮发电机组进行故障诊断时,正确地识别出了故障成份,证明是有效的.并给出了进一步研究的方向.     

基于免疫网络的无监督式分类算法

基于免疫网络原理,提出了一种新的无监督式分类算法。首先基于形态空间理论给出了抗体、抗原和免疫网络的形式化定义,建立了抗体克隆选择、高频变异以及免疫记忆的动态模型和相应的数学方程,最后给出了分类过程。实验表明该算法的分类精度要高于其它传统的聚类算法,并具有很好的持续学习、动态调节、特性记忆等特性。如果把抗体视为某种既定模式,合理地调整抗原集合,则该模型具有广泛的用途。     

基于人工免疫模式识别的结构损伤检测与分类算法

目的 研究人工免疫系统的自治性、主动性、自适应及学习和记忆的仿生机理,来解决结构健康监测中的结构损伤识别和分类问题.方法 通过模仿免疫识别和学习机理,提出一种基于Diagonal距离的人工免疫模式识别的结构损伤分类算法,并在IASC-ASCE SHM工作小组所提出的benchmark模型上对结构模式分类进行了实验测试.结果 仿真实验表明基于Diagonal距离所得到的分类成功率要略高于Euclidean距离和Mahalanobis距离所得到的分类成功率;基于Diagonal距离研究了克隆率和记忆细胞替代阈值对分类成功率的影响,只要选取合适的参数值,就能获得较高的分类成功率.结论 基于Diagonal距离的人工免疫模式识别的结构损伤检测和分类算法通过免疫学习和进化,产生高质量的记忆细胞,从而有效识别各种结构损伤模式.     

基于免疫机理的协同工作系统异常处理

提出一种基于免疫机理的协同工作异常处理方法．它利用先验知识和事例学习获取的知识．归纳成知识库并将它们转化为免疫抗体库，将错误输入信息视为抗原，建立基于免疫机理的Agent模型，其中利用其对异常进行学习、记忆、抑制、恢复功能．并利用模糊量化的方法进行异常处理决策．该模型很好的利用了免疫系统的分布式、记忆特性、学习能力．能有效地对异常信息进行快速发现与处理．最后实现了一个原型系统．测试结果表明该方法是有效的．     

基于层次聚类和人工免疫的无监督结构故障分类算法

目的利用层次聚类与人工免疫模式识别相结合的方法解决无监督结构健康监测中对结构故障识别和分类的问题.方法通过凝聚型层次聚类实现样本数据的分类,通过模仿生物免疫识别和学习机理来训练记忆细胞集合,进而实现对结构故障的识别与分类.结果在benchmark结构模型上的仿真实验测试结果表明在抗原样本数据中采用凝聚型层次聚类和方法能够成功地确定抗原样本数据的模式数目,继而采用人工免疫模式识别算法对实测数据进行模式识别与分类,分类成功率为81%.结论基于层次聚类和人工免疫的无监督结构故障检测与分类算法通过免疫学习和进化产生高质量的记忆细胞,从而有效地识别结构故障模式.     

基于多智能体免疫算法的配电网供电恢复

当配电系统发生大面积断电时,要求最快、最多的恢复失电负荷的供电。引进了多智能体免疫算法来实现配电网的供电恢复,建立了供电恢复问题的多智能体免疫模型。采用随机生成树对抗体进行编码,避免了大量不可行解。采用高频变异的方式对抗体进行变异操作。在寻优过程中动态的改变抗原,使得算法尽快收敛。算例表明了多智能体免疫算法的高效性及快速性。     

基于决策树和专家系统的短期电力负荷预测系统

提出决策树与专家系统相结合的负荷预测系统。利用决策树建立预测模型,对待测日负荷进行初步预测,再结合专家系统中的修正模型对初步结果进行修正,得到最终预测结果。建立决策树时,根据最大信息增益原则选择测试属性,降低决策树的复杂度,减少计算时间。提出开放的专家系统,专家模型应处于不断完善之中。并应用天津2003年的负荷数据和气象资料进行了建模和预测计算,统计分析结果表明该方法可提高预测的精度,具有实用性和有效性。     

基于人工免疫系统的产品创新设计方法研究

基于创新计算理论,提出了基于人工免疫系统实现产品创新设计的新方法.建立了基于人工免疫系统的产品创新设计框架,对其支撑理论、方法和技术以及免疫创新计算模型、免疫创新设计方法、免疫创新设计应用等4个层面分别进行了详细阐述.结合产品创新设计的有关问题,围绕面向问题求解的免疫辅助创新设计和面向产品演化的免疫设计两个方面,对基于人工免疫系统实现产品创新设计的主要关键技术进行了讨论.     

Immune response-based algorithm for optimization of dynamic environments

A novel immune algorithm suitable for dynamic environments (AIDE) was proposed based on a biological immune response principle. The dynamic process of artificial immune response with operators such as immune cloning, multi-scale variation and gradient-based diversity was modeled. Because the immune cloning operator was derived from a stimulation and suppression effect between antibodies and antigens, a sigmoid model that can clearly describe clonal proliferation was proposed. In addition, with the introduction of multiple populations and multi-scale variation, the algorithm can well maintain the population diversity during the dynamic searching process. Unlike traditional artificial immune algorithms, which require randomly generated cells added to the current population to explore its fitness landscape, AIDE uses a gradient-based diversity operator to speed up the optimization in the dynamic environments. Several reported algorithms were compared with AIDE by using Moving Peaks Benchmarks. Preliminary experiments show that AIDE can maintain high population diversity during the search process, simultaneously can speed up the optimization. Thus, AIDE is useful for the optimization of dynamic environments.     

基于免疫模糊聚类算法的电网抗差状态估计

提出了一种基于免疫进化模糊聚类算法的电网抗差状态估计方法。该方法首先计算出量测数据的标准残差h和相邻采样时刻量测值之差位,初步将量测数据划分为可疑数据和可靠数据。分别在0．5～1和1～1之间随机生成可靠数据和可疑数据的隶属度,形成初始分类矩阵,克服了整个分类矩阵在0-1之间随机生成的缺陷,并大大加快了算法的收敛速度。之后以rN和△z为特征值,应用免疫进化算法对分类矩阵进行模糊聚类,以获得各个量测量的良数据隶属度。依据各个量测量的良数据隶属度,进一步将量测数据划分入淘汰区、降权区、保权区进行状态估计。该方法能获得较高的抗差能力和状态估计精度,且数值稳定性较好。对IEEE14节点系统的算例仿真表明了该方法的有效性。     

免疫遗传算法及其在电力系统EELD中的应用

电力系统EELD问题是一个满足一定约束条件的多目标优化问题,利用基于进化策略的免疫遗传算法对这一问题求解.将发电燃料成本和污染控制成本视为抗原,各电力生产单元发电量的最优解视为抗体,以一个含有5个电力生产单元的燃煤电力系统模型为对象,给出利用免疫遗传算法解决这一问题的主要方法和步骤.并与基于遗传算法和Hopfield神经网络方法进行比较分析.结果证明此算法可以优化分配电力系统中各电力单元发电量,达到环境经济合理配置.     

未知环境中基于免疫网络的多机器人自主协作

为了实现机器人全自主的协同作业，利用单个agent的智能性以及免疫系统良好的工作机理，将人
工免疫系统与agent技术相结合，提出一种免疫agent模型（IAN）.在模型中机器人和环境被分别认为是
抗体和抗原,并且基于此模型设计了一种可应用于未知环境中的多机器人自主协作方法，多个异质机器人
自主协作完成在未知环境中的多个任务.算法中根据抗体和抗原、抗体和抗体之间的相互作用，系统自主
选择合适的抗体消灭抗原，同时充分考虑异质机器人的差异性和独特性.在仿真实验中，多个能力不同的
机器人通过协作将几个原先未知的箱子顺利地推到了目标点，实现了未知环境中的自主协作.